基于特征融合的多分类运动想象脑电识别方法及应用
DOI:
作者:
作者单位:

1.山东理工大学机械工程学院 淄博;2.山东理工大学机械工程学院 淄博 山东省精密制造与特种加工重点实验室 淄博

作者简介:

通讯作者:

中图分类号:

TP391

基金项目:

国家自然科学基金(51905319);国家自然科学基金青年基金(51505263);山东省高等学校科技计划项目(J15LB08)


Multi-classification Motor Imagery EEG Recognition Method and Application Based on Feature Fusion
Author:
Affiliation:

School of Mechanical Engineering, Shandong University of Technology, Zibo 255049, China

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    为实现脑卒中患者下肢自主康复训练,外骨骼技术逐渐与脑机接口(brain computer interface, BCI)相结合,但多分类运动想象(motor imagery, MI)脑电信号(electroencephalogram, EEG)一直存在特征提取困难和识别准确率低的问题。故提出了一种基于小波独立成分分析(wavelet independent component correlation algorithm, WICA)和共空间模式(common spatial patterns, CSP)的脑电信号多分类优化支持向量机算法(support vector machine, SVM)。该方法使用基于粒子群优化(particle swarm optimization, PSO)的支持向量机进行分类识别。研究结果表明,该方法平均分类准确率相比于其他方法有较大提高,证明了该算法可以有效提取脑电特征,并具有较好的运动想象脑电信号识别效果。同时,通过运动想象与外骨骼装置结合,验证了在线实时进行脑电控制的可行性。

    Abstract:

    In order to achieve autonomous lower limb rehabilitation training for stroke patients, exoskeletons are gradually combined with brain computer interface (BCI). Still, multi-class motor imagery (MI) electroencephalogram (EEG) has always had characteristics of difficulty in extraction and low recognition accuracy. A multi-classification optimized support vector machine algorithm for EEG signals based on wavelet independent component analysis(WICA) and common spatial patterns(CSP) is proposed. Particle swarm optimization (PSO) was used to train a support vector machine for classification. It proves that the algorithm can effectively extract EEG features and has a better recognition effect of motor imagery EEG signals. The feasibility of online and real-time EEG control was verified by combining motor imagery and exoskeleton devices。

    参考文献
    相似文献
    引证文献
引用本文

张保旭,梁彤,孙田雪,等. 基于特征融合的多分类运动想象脑电识别方法及应用[J]. 科学技术与工程, , ():

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2023-11-09
  • 最后修改日期:2024-05-19
  • 录用日期:2024-05-21
  • 在线发布日期:
  • 出版日期:
×
亟待确认版面费归属稿件,敬请作者关注